經過一個周末發現需要一些調整XD 周末反而比較忙碌，以後就打算周間發文了~
雖然是Day4、但就是個人學習的Day4、而非鐵人賽的Day4拉~
再來是、過去的寫法有點放太多原有創作者的東西，雖然我有個人翻譯跟消化，但如果有人看了這個筆記就不需要去買那堂課的話，就不是很好。所以之後只會關鍵的提到公式, function的根據我個人的理解所寫下的解說、不會有逐步的操作囉~

公式

範例:
使用化肥量預測農場的馬鈴薯產量。
我們可以把公式轉換成
馬鈴薯(t) = b0+b1*化肥使用量(kg)

只要把馬鈴薯產量跟化肥使用量丟進線性回歸後，我們可以得到b0跟b1的數值。b0又稱截距，b1是係數。
以範例來說，b0 = 8噸 (表示什麼化肥都不加的時候會有八噸的產量，恩，可是好像也是蠻多的?? )，b1告訴我們每增加一公斤的肥料，會增加三噸馬鈴薯的產量 (我想這只是舉例，不然看完這個線性回歸的結果會認為不要使用化肥最好，化肥感覺也不是什麼便宜的東西)。

Simple linear regression的做法在多種回歸式(b0,b1)中找到一個與所有資料總和差最小的解。詳細概念因我大學學果統計，所以就不多寫了，想知道更多請參考這篇(而且這篇也用Python實作喔)

學習筆記-線性回歸